Je ziet het steeds vaker. Websites die technisch op orde zijn. Pagespeed tiptop, structured data in overvloed, alle vinkjes aangevinkt. Toch verschijnen ze nergens als bron in AI antwoorden. Niet bij ChatGPT, niet bij Perplexity, niet in zoekresultaten die antwoorden construeren in plaats van tonen.
Dat voelt onrechtvaardig. Je doet alles volgens het boekje, maar je speelt niet mee. De oorzaak ligt niet in je CMS. Ook niet in je technische opzet. De oorzaak ligt in het frame. We blijven optimaliseren voor pagina’s en crawlers, terwijl het speelveld verschoven is naar entiteiten en antwoorden.
AEO is geen verlengstuk van SEO. Het is een andere discipline.
wat AEO werkelijk is
Answer Engine Optimization betekent optimaliseren voor selectie als antwoord. Niet voor klik, zichtbaarheid of traffic. Het draait om indexability voor LLMs, niet voor search bots. AEO vraagt om machine readable content met semantische structuur, zodat retrieval systems kunnen begrijpen wat iets betekent, wie het zegt en of het betrouwbaar is.
AI systemen rangschikken geen pagina’s. Ze selecteren bronnen. Bronnen die helder zijn over hun herkomst, hun expertise en hun interne logica. Een AI hoeft niet alles te begrijpen. Maar het moet wéten waar iets bij hoort.
Daarom is retrieval augmented generation het model dat AEO definieert. Je komt alleen in beeld als jouw content semantisch ophaalbaar is binnen een logisch, betekenisvol netwerk van kennis.
de rol van technische SEO
Technische SEO blijft nodig. Zonder solide infrastructuur wordt je site niet opgepikt. Maar daar stopt het ook. Tech SEO voorkomt fouten. Het legt een basis. Het zorgt voor crawlbaarheid, laadsnelheid, correcte tags, een heldere structuur.
Maar AI redeneert. Het zoekt niet naar elementen, het reconstrueert betekenis. Structured data zoals schema.org is daarin een hulpmiddel, geen bewijs. Het verhoogt de kans op begrip, maar garandeert geen selectie.
LLMs.txt werkt evenmin als ranking mechanisme. Het is een voorkeurssignaal. Je mag me gebruiken, zegt het. Maar het zegt niets over waarom je geselecteerd wordt, of hoe.
Tech SEO kan dus nooit de beslissing veroorzaken. Het maakt je zichtbaar in het systeem, maar het maakt je nog geen bron.
wat ontbreekt is identiteit
AI leest woorden, maar mist vaak context. Niet de context van het onderwerp, maar van de afzender.
Wie is deze bron
Waar leeft de canonieke kennis
Welke onderdelen horen semantisch bij elkaar
Mag dit geciteerd worden
Is dit de originele versie
Zonder antwoord op die vragen blijft content anoniem. En anonieme content is onbruikbaar voor systemen die moeten kunnen uitleggen waarom ze iets citeren.
Internal linking helpt hier wél. Maar niet zoals velen denken. Het werkt niet als pagerank. Het werkt als netwerk. AI haalt stukken die logisch verbonden zijn vaker samen op. Als jouw content semantisch naar elkaar verwijst, verhoog je de kans dat het geheel geselecteerd wordt als antwoordblok.
Maar dat netwerk moet betekenis hebben. Het moet declaratief zijn. Je moet expliciet maken wie je bent en hoe jouw content gelezen mag worden.
de AI identity laag
Daar komt AIKA binnen. Niet als tool, maar als denkkader. www.aikaframework.com
AIKA is een framework dat beschrijft hoe je je identiteit als kennisbron expliciet maakt voor reasoning systems. Het definieert een machine leesbare laag die vastlegt wie de afzender is, waar de canonieke versie leeft, welke content bij elkaar hoort en hoe AI mag refereren.
Dat is geen marketinglaag. Dat is een noodzakelijke voorwaarde voor content provenance, source attribution en AI citation eligibility.
Zonder AIKA of iets wat dezelfde functie vervult, blijf je een tekstbron. Geen kennisbron.
En dat is waar het op aankomt. AEO begint niet bij content. Het begint bij eigenaarschap van betekenis.